3D AI AOI 設備檢測 BGA 空洞成效顯著

在智能製造的大趨勢下，電子/PCBA 行業對檢測精度和效率的要求日益提高。微鏈道愛的 3D AI AOI 設備憑借先進技術，為 BGA 空洞檢測帶來新的解決方案。

用戶場景：某頭部電子廠商的 PCBA 生產線上，主要生產各類電子產品的印刷電路板。在 BGA（球栅陣列封裝）焊接工序中，需要對 BGA 焊點進行檢測，檢測對象為 BGA 焊點中的空洞缺陷，這是影響電路板性能和可靠性的關鍵因素之一。

痛點：傳統的 2D 光學檢測方法在檢測 BGA 空洞時存在诸多困境。漏檢率較高，約為 3%，導致部分有缺陷的產品流入後續工序，增加了產品的返修率和成本。誤報率也達到了 20%，大量的誤報信息需要人工進行複檢，浪費了大量的人力和時間。此外，在產品換型時，傳統檢測設備的編程和調試時間較長，約需 30 分鐘，嚴重影響了生產效率。在智能製造場景下，利用細粒度標簽優化 AI-AOI 工業視覺檢測效果的需求日益迫切，傳統方法已無法滿足行業發展的要求。

技術原理

微鏈道愛的 3D AI AOI 設備采用自研的 3D 相機進行成像。其原理基於結構光三維測量技術，通過投射特定的結構光圖案到檢測對象表面，然後利用相機捕捉反射光的變形情況，根據三角測量原理計算出物體表面各點的三維坐標，從而實現三維形貌重建，生成點雲數據。

• 對於 BGA 空洞檢測，該設備能夠檢測到隱藏焊點、共面度、微米級形貌以及氣孔等 2D 光學盲區的缺陷。這是因為 3D 數據能夠提供更丰富的信息，相比 2D 圖像，它可以從多個角度觀察焊點，準確判斷空洞的存在和大小。
• 同時，設備采用 2D-3D 融合技術，將 2D 圖像的紋理信息和 3D 點雲的幾何信息相結合，進一步提高了檢測的準確性。通過對細粒度標簽的學習和分析，設備能夠更精準地識別不同類型的缺陷，從而優化檢測效果。
• 在算法層面，設備利用深度學習算法對大量的樣本數據進行訓練，不斷優化模型的特征認知能力，使其能夠快速、準確地識別 BGA 空洞等缺陷。

微鏈道愛解決方案與產品

以 3D AI AOI 設備為核心，微鏈道愛為該電子廠商提供了完整的檢測解決方案。該設備具備高精度的檢測能力，能夠實現對 BGA 空洞的準確檢測。其自研的 3D 相機和三維形貌重建技術，能夠有效克服 2D 光學檢測的局限性，檢測出隱藏的缺陷。

3D AI AOI 設備結合細粒度標簽學習，為電子行業 BGA 空洞檢測帶來新突破。

在落地過程中，配套使用 DaoAI AI AOI 軟件系統，該系統支持一塊良品 5 分鐘 0 代碼自動編程，通過 APDT 正樣本/少樣本學習（僅需 1-20 張良品），能夠快速適應不同產品的檢測需求，大大縮短了換型時間。同時，系統的語義誤報過濾功能能夠有效降低誤報率。

量化成效：使用微鏈道愛的 3D AI AOI 設備後，該電子廠商的 BGA 空洞檢出率提高到了 99.2%，漏檢率降低到了 <0.8%。誤報率降低了 -65%，大大減少了人工複檢的工作量。產品換型時間從原來的 30 分鐘縮短到了 5 分鐘，生產效率得到了顯著提升。